2020年数学建模大赛华为杯B题优秀论文8.pdfVIP

中国研究生创新实践系列大赛 中国研究生创新实践系列大赛 “华为杯”第十七届中国研究生 “华为杯”第十七届中国研究生 数学建模竞赛 数学建模竞赛 学 校 中国科学技术大学 参赛队号 20103580004 1. 甄宇 队员姓名 2. 张一波 3. 程泽坤 中国研究生创新实践系列大赛 中国研究生创新实践系列大赛 “华为杯”第十七届中国研究生 “华为杯”第十七届中国研究生 数学建模竞赛 数学建模竞赛 题 目 汽油辛烷值优化建模 摘 要： 本文通过机器学习算法和数据挖掘技术，建立了汽油辛烷值（RON）损失的预测模型， 在保证汽油产品脱硫效果的前提下，以降低汽油辛烷值损失在30% 以上为目标，给出每个 样本的优化操作条件。 针对第一问，对 号和 号原始数据用给定的数据处理规范进行预处理，对每一 285 313 列变量求期望，得到最终的数据补充到相应的样本编号。 针对第二问，首先对数据样本按照最大最小限幅以及拉依达法则进行列变量清洗，通过 两轮特征筛选确定变量：结合处理后的数据，针对产品中硫含量、RON 损失值用lightGBM 做特征权重打分，筛选出权重排名较前、原料性质、待生吸附剂、再生吸附剂等 18 个变 量。针对排名较低且独立出现的57 个变量进行相关性分析，基于决策树模型二次选出5 个变量。最终共选出23 个主要变量，其中操作变量17 个。 针对第三问，通过模型融合构建集成学习模型，分别对硫含量、RON 损失值预测。构 建4 个相关性较低的基学习器：多层感知机、随机森林、决策树、lightGBM。将4 个基学 习器进行模型融合，集成到元学习器GBDT 中，实现2 层集成学习模型。根据误差评价指 标，集成模型的预测误差较小，有较好的预测效果。 针对第四问，以第三问构建的两个模型作为目标函数，采用基于NSGA­Ⅱ 的遗传算法 进行多目标优化，找到了325 个所有样本的帕累托最优解，并筛选出了304 个样本，其优化 后的操作变量取值可使得样本满足产品性质要求。对应最优的操作变量取值附成表格，以 供后续实际参考。在硫含量小于5µg/g 的条件下，模型平均可以优化RON 损失减小47% 左右。 针对第五问，利用问题四中优化模型，寻找133 号样本的帕累托最优解对应的最优操 作变量。通过对比操作变量原始值和最优值，判定S − ZORB.P DT_3002.DACA、S − ZORB.ZT_2634.DACA、S − ZORB.F C_5103.DACA 三个操作变量较为重要。对133 号 样本逐步调整形成的 15 个调整样本预测，结果显示随着操作变量趋于最优，产品中硫含 量、RON 损失值逐渐降低，而RON 损失值最大降幅达到54.84%。 关键字：特征筛选   集成学习   遗传算法   帕累托最优 1 目录 1. 问题重述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.1 问题背景. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .